Исходная совокупность

Cтраница 3

V достаточно мало и мы сомневаемся в обоснованности предположения о нормальном распределении исходной совокупности. [31]

Достоинство этого показателя неоднородности состоит в том, что при его расчете данные исходной совокупности рассматриваются с учетом их фактического положения на залежи. При этом он не теряет свойства статистической характеристики, поскольку устанавливается на основе всех исходных данных. Смысл оценки правильности принимаемой схематизации заключается в сопоставлении изменяемости величин коэффициентов продуктивности скважин, отстоящих на заданном расстоянии г, характеризуемой vfa и изменяемости всех их значений, в том числе и в более удаленных точках, определяемой vfc, рассчитываемым обычным способом. [32]

Рассмотренный принцип получения сложного ( составного) сигнала называют частотно-временным кодированием, а используемую исходную совокупность элементов - частотно-временной матрицей. [33]

Ставя вопрос в более общем виде, можно сказать, что в описанной ситуации исходная совокупность респондентов недостаточно однородна для того, чтобы к ней мог быть применен метод парных сравнений, и для того, чтобы такое применение было осмысленным, необходимо в исходной совокупности выделить однородные подсовокупности. [34]

Из этой матрицы РИДНО, что диадный сдвиг не выводит вдвинутые отсчеты за пределы исходной совокупности Л / отсчетов, а лишь производит их перестановку внутри этой вовокупности. [35]

Классические методы анализа регрессии основаны на предположении, что ошибки уравнения регрессии et в исходной совокупности независимы друг от друга в смысле теории вероятностей. [36]

Математическая статистика как наука вызвана потребностью изучения статмтических Данных, которые представляют выборку из какой-то исходной совокупности, как реально существующей, так и гипотетически мыслимой а виде возможности бесконечного повторения эксперимента. Под исходной, генеральной совокупностью в статиоти-ке понимают множество однородных элементов, из которого по определенному правилу выделяют некоторое подмножество, называемое выборкой. [37]

Среднее, полученное по выборке, и среднее генеральной совокупности были бы одинаковыми, если бы исходная совокупность ( генеральная) была однородной, тогда выборочное среднее равнялось бы соответствующему значению общей совокупности. Но поскольку в измеренной совокупности имеются вариации, можно предположить, что такие же вариации имеются в генеральной совокупности и они должны проявляться между средним всей совокупности и выборочным средним. Чем больше отклонения в исходной совокупности, тем больше вариации в выборке из нее и потенциально тем больше разность между средним выборочным и средним генеральной совокупности. [38]

Совершенно очевидно, что знаменатель дроби численно равен количеству групп или интервалов, на которое разбивается исходная совокупность. [39]

Из (11.133) следует, что при т 4 относительные отклонения в отдельных выборках подчиняются равномерному распределению, если исходные совокупности нормальны. Этим можно воспользоваться для проверки гипотезы нормальности, если число выборок достаточно велико. [40]

Аналогичным образом на основе любого предполагаемого варианта совокупности неизменяющихся фрагментов можно получить определенный вариант изменяющихся связей; однако если исходная совокупность неизменяющихся фрагментов не является максимальной, то мы получим картину образующихся и разрывающихся связей, не удовлетворяющую принципу минимальности. [41]

Однако из-за ограниченного объема первоначальной информации система при этом не получает указаний о том, к какому классу объекты исходной совокупности принадлежат. Эти указания заменяются набором правил, в соответствии с которыми на стадии самообучения система распознавания сама вырабатывает классификацию, которая, вообще говоря, может отличаться от естественной, и в дальнейшем ее придерживается. На рис. 1.6 ( где ОС - объекты для самообучения; ТС - технические средства; БАР - блок алгоритмов распознавания; АИ - априорная информация; ПК - правила классификации; ФК - формирование классов; штриховые линии - режим самообучения; сплошные линии - распознавание неизвестных объектов) приведена схема самообучающейся системы. [42]

Из ( IL133) следует, что при т 4 относительные отклонения в отдельных выборках подчиняются равномерному распределению, если исходные совокупности нормальны. [43]

Здесь п - число скважин, которые необходимо учесть при проведении расчетов; / V - число скважин в рассматриваемой исходной совокупности; а - расчетный коэффициент. [44]

Диаграмма процесса оптимальных проверок для примера. [45]

Страницы: 1 2 3 4